融合多尺度特征和多重注意力的水下目标检测

作     者：李辉 王晓宇 刘云 陶冶 付诗佳 吴依凡 Li Hui;Wang Xiaoyu;Liu Yun;Tao Ye;Fu Shijia;Wu Yifan

作者机构：青岛科技大学信息科学技术学院青岛266061 

出 版 物：《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)

年 卷 期：2022年第38卷第20期

页      面：129-139页

核心收录：

学科分类：08[工学] 081203[工学-计算机应用技术] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61702295) 山东省高等学校青创科技支持计划项目(2019KJN047)。 

主　　题：目标检测 特征融合 注意力 自适应均衡采样 水下小目标 

摘      要：探明海洋生物资源的分布情况,对渔业捕捞和海洋牧场管理具有重要意义。该研究针对水下环境复杂、水下目标存在多尺度、多类别及小目标较多等复杂情况,提出水下目标两阶段网络检测方法。首先通过改进多尺度特征提取和融合,获取水下目标多尺度信息和增强目标特征,得到更加丰富的目标特征信息,然后构建多重注意力,利用空间和通道维度中的全局特征依赖关系,进一步挖掘深层特征信息和隐藏信息,突出背景和目标的差异性,最后在模型训练中采用样本均衡方法,自适应均衡正负样本比例,减少无效样本,实现模型快速收敛。在国际水下机器人大赛公开数据集UPRC2019、WildFish及自建数据集上对所提方法进行试验,其mAP(mean Average Precision)分别达到85.3%、96.9%和97.8%,召回率分别达到90.6%、98.7%和98.9%,相较于Libra RCNN(CVPR2019)、Double head RCNN(ECCV2020)和STransFuse(2021)等检测方法,该文方法mAP要比上述方法分别高9.58、12.2和4.1个百分点。研究结果可为海洋渔业生物监测、水下机器人精准捕捞作业提供技术支撑。